收入不平等与信任有关吗？

公平是一个古老的命题，自古希腊柏拉图时代起就被不断加以讨论，在中世纪经院哲学里更是成为核心议题。到上世纪70年代，哈佛大学的哲学教授罗尔斯出版了《正义论》，又一次把公平和正义问题带回讲坛，并且引发了广泛的学术讨论。从左翼到右翼，从哲学到经济学，无数学者都试图从不同角度回应罗尔斯，这股热潮几十年来持续不衰。

1980年代起，罗尔斯的同事桑德尔开设了一门本科通识课《正义》，逐渐成为哈佛最受欢迎的课程。每年都有数以千计的学生选修这门课，教室一换再换，最后不得不启用哈佛最大的报告厅。桑德尔擅长案例教学，引导学生用不同哲学方法对同一个事件反复论证，从而理解正义概念本身包含的复杂性。后来这门课被做成网络公开课，上课材料也以《正义》为题正式出版。

除了哲学家以外，经济学、社会学、政治学等领域的学者，也在做这方面工作。这些年来，随着调查和统计技术的进步，我们有可能获得更多原先不可得的数据，从而对一些问题展开实证研究，这是现在社会科学学者最喜欢的研究方法。现在大众似乎也对哲学家的思辨有些厌倦，希望多看到一些数据图表，从中提取“更可靠”的信息。《公平之怒》就是一本这个方向的著作。它由威尔金森与皮克特两位英国医学教授撰写，以公平为核心，论述涉及经济平等、社会关系、社会流动、生理健康、教育表现、暴力犯罪、监禁惩罚等大量民众关心的问题，表现出浓郁的人文关怀，方法上则是典型的实证主义，用大量图表来支持论点。这本书刚一出版就大受欢迎，很快就被翻译成20多种文字，荣获一系列的图书大奖。

可学界对这本书的评价并不一致，甚至有些两极分化。所有人都肯定两位学者的努力付出，肯定他们的学术初衷，但对他们采用的论证方法并不完全认同。大众关心论证的结果，而学者必须关心论证的过程。整本书包含了数以百计的图表，数据横跨多个领域，由不同国家的不同学者在不同地区采用不同方法采集而来。每一套数据背后一定都有自己的局限性。两位作者的专业是医学，再如何渊博，也不可能对所有数据来源进行深入探究。他们基于二手数据取得的成果虽然引人瞩目，但研究方法上可能存在不小的漏洞。

我们不妨举个例子，看看这类研究中必然经历的困难。信任是一个非常重要的概念，反映出社会中个体之间的相互关系，也被认为是社会和谐、社会发展过程中的重要因素。托克维尔在《论美国的民主》中，就曾详细描述过美国社会中大家相互信任、相互协助的情境。近年来，社会学者一直在搜集有关信任的数据，已有不少积累，著名的世界银行组织的“世界价值观调查”中也包含了信任的问题。

这类社会调查一般都是这样做的。访员用随机抽样的方法找到被访者，然后问他，“面对一个陌生人，请问你对他的信任程度是多少？1为最低，7为最高，请你选一个最能反映你想法的数值”。在实践中，很多被访者会对这个问题表示困惑，什么叫做对一个陌生人的信任程度？如果一个陌生人来问路，我多半会告诉他；如果他来借钱，我多半不会借给他。那我又如何用一个简单的数值来描述我对陌生人的信任呢？

有时候，访员又用另一种方法来调查。问题变成了“这个社会中，大多数陌生人是值得信任的。你对这句话的认同程度是多少，1为最低，7为最高，请你选一个最能反映你想法的数值”。这种问法与前者不同，虽然同为用一个1至7的数值来表示信任，但被访者在两种场景下的回答可能就不同。

还有很多细小因素都会影响问卷的准确性。同样是询问信任，有的问卷使用1至5的量表，有的使用1至4的量表，还有的使用1至10的量表。不同的问卷设计者会有不同考量。我们在数学上很容易把使用1至5量表的结果调整到与使用1至7量表结果可比。但很多心理学研究指出，量表本身也有可能影响被访者的选择。

此外，不同社会调查所选取的对象本就有不同。有的调查侧重是老年人，有的调查主要在农村开展，这些不同目的的调查中可能都包含有信任问卷，但它们所代表的人群完全不同，结果意义也不同。还有很多地区存在大量的流动人口，与本地人口之间存在异质性，这都是问卷设计者在抽取样本时需要严肃思考的问题。

还有其他不少可能影响样本代表性的问题。比如大多数调查都只针对18岁以上的成年人来做，18岁以下青年人的世界观尚未成熟，也缺少社会经验，所以调查者会主动把他们排除。但从社会层面分析，我们谈论信任时，肯定无法把社会中的青少年给排除出去，这一点与调查数据不符。

有些国家和地区可能还有其他影响调查的因素。例如有的国家女性地位偏低，较难访谈而被低估；有些国家地形复杂，一些山区人群被忽略；还有的国家存在民族、种族、宗教冲突，因此调查结果也会因这些原因而有偏误。大多数学者都只研究一国之内的信任问题，因此可以用各种统计方法调整、修正可能存在的偏误。如果超越国界，比较两个或多个不同国家的信任水平，那一定会遇到非常多的困难。而在《公平之怒》中，作者动辄选取几十个国家进行比较，对数据的来源和搜集过程并没有深究就直接展开研究，这样的工作十分危险。

再来看数据的分析。作者画了很多二维图表，观察了信任与收入不平等的关系、信任与女性地位的关系等。作者倒没有用到复杂的统计工具，只是把这些点呈现在二维坐标中，然后用最小二乘法拟合出一条直线，判断两个变量之间的相关性。这种做法对于大众可能比较酷炫，但对于专业学者而言，却不够严谨。判断两个变量之间的关系，一条拟合线是远远不够的，方差、异常值都已经是问题，更不用说变量之间的关系可能并非线性。

前文描述了信任数据获取的困难性。而在研究信任与收入不平等关系时，我们还应注意，收入不平等这个数据的获取同样艰难。直到现在，许多国家和地区都没有像样的社会经济普查。即使调查人员想方设法接触到各种有代表性的被访者，如何有效询问出他们的真实收入，这也是操作中另一个困难。这些困难都被克服后，如何运用数据计算出不平等系数，经济学家之间还存在不同看法。研究收入不平等是经济学中一个专门领域，专家必须对其中每个环节小心翼翼，反复检验，最终才能拿出一个简明直接的收入不平等系数。

而威尔金森与皮克特显得颇为莽撞。他们并没有深入研究信任，也没有深入研究收入不平等，只是拿来两组不同渠道获得的数据，然后画出一张二维散点图，并做了拟合线，这表明信任和收入不平等之间存在负相关关系，收入不平等程度越高，社会信任度就越低。可是这两个数据本身就可能存在不小问题，甚至有可能不是同一时期所采集的数据。现在两者放在一起，有更多未知因素相互作用，最终结果就变得更可疑了。

以上我们仅仅讨论了《公平之怒》里的一张图表，两位作者非常偏爱这种图示方法，所以在各个议题中广泛使用，书里存在类似问题的图表数以百计。我们并不能说很多图一定有错，只是说这些图在学术上不够严谨，不能作为可靠论据，而基于这些图表的文字结论也就随之动摇。

平心而论，《公平之怒》的贡献不在于他们的结论，而在于他们的问题。例如信任与收入不平等之间的关系，这是一个重要的研究课题。作者画出的那幅图，信任与收入不平等之间存在负相关的关系，正可以作为研究假设，研究起点，促使研究人员顺着这个方向走下去。从这个意义上，我们应该把《公平之怒》看作《正义》相类似的著作，提出了许多重要问题，而非找到问题的最终答案。